Кластери даних

Що таке кластери?

Кластери – це сукупність даних на основі подібності.

Точки даних, згруповані разом на графіку, часто можна класифікувати в кластери.

На графіку нижче можна виділити 3 різні кластери:

Ідентифікація кластерів

Кластери можуть містити багато цінної інформації, але кластери бувають самих різних форм, тож як їх розпізнати?

Це два основні методи:

• Використання візуалізації
• Використання алгоритму кластеризації

Кластеризація

Кластеризація – це тип навчання без нагляду.

Кластеризація намагається:

• Збирати схожі дані в групах
• Збирати несхожі дані в інших групах

Методи кластеризації

• Метод щільності
• Метод ієрархічний
• Метод розділення
• Метод на основі сітки

Метод щільності вважає, що точки в щільних областях мають більше подібностей і відмінностей, ніж точки в менш щільних областях. Метод щільності має хорошу точність. Він також має можливість об’єднувати кластери.
Поширені два алгоритми: DBSCAN і OPTICS.

Ієрархічний метод формує кластери у структурі дерева. Нові кластери формуються з використанням попередньо сформованих кластерів.
Два поширених алгоритму: CURE та BIRCH.

Метод на основі сітки формулює дані в кінцеву кількість комірок, які утворюють структуру, подібну до сітки.
Два поширені алгоритми: CLIQUE та STING

Метод розділення поділяє об’єкти на k кластерів, і кожен розділ утворює один кластер.
Один з поширених алгоритмів — CLARANS.

Коефіцієнт кореляції

Коефіцієнт кореляції (r) описує силу та напрямок лінійної залежності та змінних x/y на діаграмі розсіювання.

Значення r завжди між -1 та +1: